Java高并发之设计模式,设计思想
< 返回列表时间: 2020-08-06来源:OSCHINA
本文主要讲解几种常见并行模式, 具体目录结构如下图. 单例
单例是最常见的一种设计模式, 一般用于全局对象管理, 比如xml配置读写之类的. 一般分为懒汉式, 饿汉式.
懒汉式: 方法上加synchronized public static synchronized Singleton getInstance() { if (single == null) { single = new Singleton(); } return single; } 这种方式, 由于每次获取示例都要获取锁, 不推荐使用, 性能较差 懒汉式: 使用双检锁 + volatile private volatile Singleton singleton = null; public static Singleton getInstance() { if (singleton == null) { synchronized (Singleton.class) { if (singleton == null) { singleton = new Singleton(); } } } return singleton; }
本方式是对直接在方法上加锁的一个优化, 好处在于只有第一次初始化获取了锁. 后续调用getInstance已经是无锁状态. 只是写法上稍微繁琐点. 至于为什么要volatile关键字, 主要涉及到jdk指令重排, 详见之前的博文: Java内存模型与指令重排
懒汉式: 使用静态内部类 public class Singleton { private static class LazyHolder { private static final Singleton INSTANCE = new Singleton(); } private Singleton (){} public static final Singleton getInstance() { return LazyHolder.INSTANCE; } }
该方式既解决了同步问题, 也解决了写法繁琐问题. 推荐使用改写法. 缺点在于无法响应事件来重新初始化INSTANCE.
饿汉式 public class Singleton1 { private Singleton1() {} private static final Singleton1 single = new Singleton1(); public static Singleton1 getInstance() { return single; } }
缺点在于对象在一开始就直接初始化了.
Future模式
该模式的核心思想是异步调用. 有点类似于异步的ajax请求. 当调用某个方法时, 可能该方法耗时较久, 而在主函数中也不急于立刻获取结果. 因此可以让调用者立刻返回一个凭证, 该方法放到另外线程执行,后续主函数拿凭证再去获取方法的执行结果即可, 其结构图如下 jdk中内置了Future模式的支持, 其接口如下: 通过FutureTask实现
注意其中两个耗时操作. 如果doOtherThing耗时2s, 则整个函数耗时2s左右. 如果doOtherThing耗时0.2s, 则整个函数耗时取决于RealData.costTime, 即1s左右结束. public class FutureDemo1 { public static void main(String[] args) throws InterruptedException, ExecutionException { FutureTask<String> future = new FutureTask<String>(new Callable<String>() { @Override public String call() throws Exception { return new RealData().costTime(); } }); ExecutorService service = Executors.newCachedThreadPool(); service.submit(future); System.out.println("RealData方法调用完毕"); // 模拟主函数中其他耗时操作 doOtherThing(); // 获取RealData方法的结果 System.out.println(future.get()); } private static void doOtherThing() throws InterruptedException { Thread.sleep(2000L); } } class RealData { public String costTime() { try { // 模拟RealData耗时操作 Thread.sleep(1000L); return "result"; } catch (InterruptedException e) { e.printStackTrace(); } return "exception"; } }
通过Future实现
与上述FutureTask不同的是, RealData需要实现Callable接口. public class FutureDemo2 { public static void main(String[] args) throws InterruptedException, ExecutionException { ExecutorService service = Executors.newCachedThreadPool(); Future<String> future = service.submit(new RealData2()); System.out.println("RealData2方法调用完毕"); // 模拟主函数中其他耗时操作 doOtherThing(); // 获取RealData2方法的结果 System.out.println(future.get()); } private static void doOtherThing() throws InterruptedException { Thread.sleep(2000L); } } class RealData2 implements Callable<String>{ public String costTime() { try { // 模拟RealData耗时操作 Thread.sleep(1000L); return "result"; } catch (InterruptedException e) { e.printStackTrace(); } return "exception"; } @Override public String call() throws Exception { return costTime(); } }
另外Future本身还提供了一些额外的简单控制功能, 其API如下 // 取消任务 boolean cancel(boolean mayInterruptIfRunning); // 是否已经取消 boolean isCancelled(); // 是否已经完成 boolean isDone(); // 取得返回对象 V get() throws InterruptedException, ExecutionException; // 取得返回对象, 并可以设置超时时间 V get(long timeout, TimeUnit unit) throws InterruptedException, ExecutionException, TimeoutException;
生产消费者模式
生产者-消费者模式是一个经典的多线程设计模式. 它为多线程间的协作提供了良好的解决方案。 在生产者-消费者模式中,通常由两类线程,即若干个生产者线程和若干个消费者线程。 生产者线程负责提交用户请求,消费者线程则负责具体处理生产者提交的任务。 生产者和消费者之间则通过共享内存缓冲区进行通信, 其结构图如下 PCData为我们需要处理的元数据模型, 生产者构建PCData, 并放入缓冲队列. 消费者从缓冲队列中获取数据, 并执行计算.
生产者核心代码 while(isRunning) { Thread.sleep(r.nextInt(SLEEP_TIME)); data = new PCData(count.incrementAndGet); // 构造任务数据 System.out.println(data + " is put into queue"); if (!queue.offer(data, 2, TimeUnit.SECONDS)) { // 将数据放入队列缓冲区中 System.out.println("faild to put data : " + data); } }
消费者核心代码 while (true) { PCData data = queue.take(); // 提取任务 if (data != null) { // 获取数据, 执行计算操作 int re = data.getData() * 10; System.out.println("after cal, value is : " + re); Thread.sleep(r.nextInt(SLEEP_TIME)); } }
生产消费者模式可以有效对数据解耦, 优化系统结构. 降低生产者和消费者线程相互之间的依赖与性能要求. 一般使用BlockingQueue作为数据缓冲队列, 他是通过锁和阻塞来实现数据之间的同步, 如果对缓冲队列有性能要求, 则可以使用基于CAS无锁设计的ConcurrentLinkedQueue.
分而治之
严格来讲, 分而治之不算一种模式, 而是一种思想. 它可以将一个大任务拆解为若干个小任务并行执行, 提高系统吞吐量. 我们主要讲两个场景, Master-Worker模式, ForkJoin线程池.
Master-Worker模式
该模式核心思想是系统由两类进行协助工作: Master进程, Worker进程. Master负责接收与分配任务, Worker负责处理任务. 当各个Worker处理完成后, 将结果返回给Master进行归纳与总结. 假设一个场景, 需要计算100个任务, 并对结果求和, Master持有10个子进程. Master代码 public class MasterDemo { // 盛装任务的集合 private ConcurrentLinkedQueue<TaskDemo> workQueue = new ConcurrentLinkedQueue<TaskDemo>(); // 所有worker private HashMap<String, Thread> workers = new HashMap<>(); // 每一个worker并行执行任务的结果 private ConcurrentHashMap<String, Object> resultMap = new ConcurrentHashMap<>(); public MasterDemo(WorkerDemo worker, int workerCount) { // 每个worker对象都需要持有queue的引用, 用于领任务与提交结果 worker.setResultMap(resultMap); worker.setWorkQueue(workQueue); for (int i = 0; i < workerCount; i++) { workers.put("子节点: " + i, new Thread(worker)); } } // 提交任务 public void submit(TaskDemo task) { workQueue.add(task); } // 启动所有的子任务 public void execute(){ for (Map.Entry<String, Thread> entry : workers.entrySet()) { entry.getValue().start(); } } // 判断所有的任务是否执行结束 public boolean isComplete() { for (Map.Entry<String, Thread> entry : workers.entrySet()) { if (entry.getValue().getState() != Thread.State.TERMINATED) { return false; } } return true; } // 获取最终汇总的结果 public int getResult() { int result = 0; for (Map.Entry<String, Object> entry : resultMap.entrySet()) { result += Integer.parseInt(entry.getValue().toString()); } return result; } }
Worker代码 public class WorkerDemo implements Runnable{ private ConcurrentLinkedQueue<TaskDemo> workQueue; private ConcurrentHashMap<String, Object> resultMap; @Override public void run() { while (true) { TaskDemo input = this.workQueue.poll(); // 所有任务已经执行完毕 if (input == null) { break; } // 模拟对task进行处理, 返回结果 int result = input.getPrice(); this.resultMap.put(input.getId() + "", result); System.out.println("任务执行完毕, 当前线程: " + Thread.currentThread().getName()); } } public ConcurrentLinkedQueue<TaskDemo> getWorkQueue() { return workQueue; } public void setWorkQueue(ConcurrentLinkedQueue<TaskDemo> workQueue) { this.workQueue = workQueue; } public ConcurrentHashMap<String, Object> getResultMap() { return resultMap; } public void setResultMap(ConcurrentHashMap<String, Object> resultMap) { this.resultMap = resultMap; } } public class TaskDemo { private int id; private String name; private int price; public int getId() { return id; } public void setId(int id) { this.id = id; } public String getName() { return name; } public void setName(String name) { this.name = name; } public int getPrice() { return price; } public void setPrice(int price) { this.price = price; } }
主函数测试 MasterDemo master = new MasterDemo(new WorkerDemo(), 10); for (int i = 0; i < 100; i++) { TaskDemo task = new TaskDemo(); task.setId(i); task.setName("任务" + i); task.setPrice(new Random().nextInt(10000)); master.submit(task); } master.execute(); while (true) { if (master.isComplete()) { System.out.println("执行的结果为: " + master.getResult()); break; } }
ForkJoin线程池
该线程池是jdk7之后引入的一个并行执行任务的框架, 其核心思想也是将任务分割为子任务, 有可能子任务还是很大, 还需要进一步拆解, 最终得到足够小的任务. 将分割出来的子任务放入双端队列中, 然后几个启动线程从双端队列中获取任务执行. 子任务执行的结果放到一个队列里, 另起线程从队列中获取数据, 合并结果. 假设我们的场景需要计算从0到20000000L的累加求和. CountTask继承自RecursiveTask, 可以携带返回值. 每次分解大任务, 简单的将任务划分为100个等规模的小任务, 并使用fork()提交子任务. 在子任务中通过THRESHOLD设置子任务分解的阈值, 如果当前需要求和的总数大于THRESHOLD, 则子任务需要再次分解,如果子任务可以直接执行, 则进行求和操作, 返回结果. 最终等待所有的子任务执行完毕, 对所有结果求和. public class CountTask extends RecursiveTask<Long>{ // 任务分解的阈值 private static final int THRESHOLD = 10000; private long start; private long end; public CountTask(long start, long end) { this.start = start; this.end = end; } public Long compute() { long sum = 0; boolean canCompute = (end - start) < THRESHOLD; if (canCompute) { for (long i = start; i <= end; i++) { sum += i; } } else { // 分成100个小任务 long step = (start + end) / 100; ArrayList<CountTask> subTasks = new ArrayList<CountTask>(); long pos = start; for (int i = 0; i < 100; i++) { long lastOne = pos + step; if (lastOne > end) { lastOne = end; } CountTask subTask = new CountTask(pos, lastOne); pos += step + 1; // 将子任务推向线程池 subTasks.add(subTask); subTask.fork(); } for (CountTask task : subTasks) { // 对结果进行join sum += task.join(); } } return sum; } public static void main(String[] args) throws ExecutionException, InterruptedException { ForkJoinPool pool = new ForkJoinPool(); // 累加求和 0 -> 20000000L CountTask task = new CountTask(0, 20000000L); ForkJoinTask<Long> result = pool.submit(task); System.out.println("sum result : " + result.get()); } }
ForkJoin线程池使用一个无锁的栈来管理空闲线程, 如果一个工作线程暂时取不到可用的任务, 则可能被挂起. 挂起的线程将被压入由线程池维护的栈中, 待将来有任务可用时, 再从栈中唤醒这些线程.
作者:大道方圆 cnblogs.com/xdecode/p/9137793.html

欢迎关注我的微信公众号「码农突围」,分享Python、Java、大数据、机器学习、人工智能等技术,关注码农技术提升•职场突围•思维跃迁,20万+码农成长充电第一站,陪有梦想的你一起成长
热门排行